HI,欢迎来到学术之家股权代码  102064
0
首页 精品范文 量化投资基本面分析方法

量化投资基本面分析方法

时间:2023-07-07 17:24:34

开篇:写作不仅是一种记录,更是一种创造,它让我们能够捕捉那些稍纵即逝的灵感,将它们永久地定格在纸上。下面是小编精心整理的12篇量化投资基本面分析方法,希望这些内容能成为您创作过程中的良师益友,陪伴您不断探索和进步。

量化投资基本面分析方法

第1篇

量化投资,正在A股市场掀起一股热潮。

今年7月中下旬以来,尽管对于未来股市究竟能冲到多高点位,市场分歧一直不断,但一直保持较高仓位的量化产品,已经呈现出越来越明显的赚钱效应。相关数据表明,量化基金今年以来整体业绩平均回报已经占胜了主动权益产品。据Wind数据统计,自2004年国内诞生第一只量化基金以来,目前市场有24只主动量化概念基金产品,涉及19家基金公司。截至9月12日,量化基金今年以来平均收益为12.46%,而同期全部权益类产品的平均收益为9.48%。其中,华泰柏瑞量化指数今年以来收益20.37%,排名前十分之一。

此前,“量化投资”这个词虽还不为大多数投资者熟悉,相对海外量化基金,国内公募的量化基金起步较晚,之后的发展也一直非常缓慢。但在2005年~2009年指数型基金带动公募量化崛起之后,随着融资融券的成熟及期权的推出以及量化基金在A股市场现今的优异表现,市场人士预计,必然将再度在中国资本市场催生第二波“量化投资”热。

有鉴于此,《投资者报》“基金经理面对面栏目”本期特别邀请到华泰柏瑞量化指数基金的基金经理卿女士,就当下量化投资的一些热点问题、投资技巧以及四季度行情的走势判断等相关问题进行交流。

卿认为,量化投资不能做加法,人为将某个个股加入买入清单;又必须经常结合基本面,对量化模型进行合理的改善。同时她还指出,A股主板市场经历了长时间低迷,估值已经反映经济中的问题和增长的放缓,除非经济发生重大或系统性风险,下行空间有限。

华泰柏瑞量化初露峥嵘

《投资者报》:我们关注到,华泰柏瑞量化指数自2013年8月2日成立以来,特别是自今年2月成立满6个月以来,已经连续5个月蝉联海通证券超额收益榜“增强股票指数型基金”冠军。截至9月19日,在短短一年多点的时间里取得了24%的收益,在同类产品中遥遥领先。请问是什么原因让华泰柏瑞量化指数业绩回报如此出色?

卿:我们的量化模型一年多运作下来比较成功,除了模型本身设计上的优越性之外,也归功于我们团队的努力。我们开发的量化模型是基于基本面的量化选股模型,并且针对A股市场的特点作了调整,加入了一些独特的基本面因子。这些因子是华泰柏瑞团队投资技能的体现,希望以此区别于市场中其他的量化投资策略,华泰柏瑞未来也会进一步研究新的因子,并加入到投资模型中去。

我们的投资目标有两个,一是战胜市场,二是提高单位风险带来的收益。事实证明,基金成立以来的回撤数据和信息比率都十分良好。

量化投资不能做“加法”

《投资者报》:您曾称目前业内一线的量化投资思路是做“聪明的量化投资”,即既要坚守量化投资的流程底线和投资本质,也要做必要主动决策和风险管理。请问您是如何把握这个主动的动作幅度和范围的?换言之,这个主动的动作幅度具体是什么比例?多大范围?

卿:这里我们所说的聪明量化是指和基本面相结合的量化。主要体现在三个层面:一是模型构建方面跟踪市场变化做出适时调整。在有市场观察验证并有数据支持的情况下,调整模型不同因子间的权重,并淘汰不再适用的因子,根据反映市场独特特点的基本面信息,开发新的独有的因子,不断改进完善模型。二是结合基本面信息,在投资组合构建过程中,控制组合对一些模型尚未反映的风险因素的暴露,并把个别交易标的从交易清单中剔除,以反应模型尚未捕捉的重要信息,像临时重大信息披露、涨停板等,但决不会人为挑选个股加入交易清单,以坚守量化投资的纪律性。三是在极端情况下为保护投资人利益需要尽最大能力做出对投资人最为有利的决策,以应对市场大的转折。主要是指危机状态下,不会机械地固守模型,如果是只做多的策略,会相应做出减仓等应对措施,而不是为坚守不择时的纪律而让投资人蒙受损失。这主要是来自2008年金融危机的教训。

同时,我们与基本面结合,不以牺牲纪律为代价。正常情况下,主要以改善模型为主,把基本面观点通过模型反映到投资组合中。在个股层面,只能结合市场信息,从模型给出的交易清单中剔除个股,而不可以人为将某个个股加入买入清单,以坚守纪律性。

量化投资在国外被广泛应用

《投资者报》:在您眼里,中国的量化投资才刚刚起步。您曾表示“中国的量化投资管理的资产规模至少5年内还看不到发展的天花板”。那么,时至今日,您认为中国的量化投资管理的资产规模的天花板应在什么位置?为什么?

卿:国际市场上,量化投资是区别于基本面投资的另一种主要投资模式,和基本面投资相比,有它自身的优势。量化分析在境外资产管理公司中得到非常广泛的应用。一些资产管理公司像过去的BGI(巴克莱旗下资产管理部门巴克莱全球投资者)和AQR(华尔街表现最突出的量化对冲基金之一)等等,全部采用量化投资策略;另外一些公司,像GMO(知名的全球投资管理公司,管理规模上千亿美元),Pimco(全球最大债券基金――太平洋投资管理公司)和Citadel(美国芝加哥大城堡对冲基金公司)等则把量化分析和基本面分析结合在一起运用。 总的来说,境外几乎所有大的资产管理公司都会或多或少依赖量化分析的方法

目前,A股市场绝大部分投资策略都是基本面投资,真正做量化投资的资金很少,其获得超额收益的市场机会很多,发展空间很大;并且国内市场样本多,利用量化手段来捕捉超额收益的胜率也有保障,因此未来的前景是比较乐观的。

量化投资能够战胜A股市场

《投资者报》:今年以来量化基金的杰出表现,让不少投资人惊呼“量化的春天已经到来”,对于市场上的这种乐观情绪,田总又是怎么看的?

卿:在国际市场,量化投资在投资领域已经占有了重要的一席之地。当前的A股市场中量化分析的运用程度还非常低,所以我们相信量化投资的市场份额一定会逐步增大,未来的发展空间是巨大的。另外,随着市场的完善,量化投资有机会为市场提供像绝对收益等的新产品,使得市场中的投资产品更加丰富,投资人可以有更多的选择。

《投资者报》:相对于其它主动管理的基金,量化基金在A股市场具有哪些优势,以致其能在今年的A股市场整体领先?

卿:A股市场的特性十分适合基本面量化投资。

第一个原因是A股市场处于弱有效状态,战胜市场的机会较大。A股市场的发展历史较短,市场效率相比发达经济体低很多,因此有很多发现阿尔法因子的机会。

第二个特点是目前量化投资的市场份额小。国内目前的基本面量化产品规模总体不大,其中严格遵循量化投资理念的基金更少,因此有很大的市场空间和盈利机会。

第三是A股市场容量大,而且还在快速扩容中,给量化投资提供了足够的投资宽度和行业宽度。

第四是A股的数据质量不断提高。供应商提供的数据以及识别数据可靠性的技术手段不断得到提升,使得以数据为基础的量化投资的投资环境也不断得到加强。

第2篇

计算机给投资带来的改变

1997年5月11日,国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下,卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时,卡斯帕罗夫赛后说,在最后一局时,“我已经无力再战。”于此同时,利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。

量化基金即以数量化投资来进行管理的基金。数量化投资区别于基本面投资,他不是通过“信息和个人判断”来管理资产,而是遵循固定规则,由计算机模型产生投资决策。量化投资并不是基本面分析的对立者,90%的模型是基于基本面因素,同时考虑技术因素。由此可见,它也不是技术分析,而是基于对市场深入理解形成的合乎逻辑的投资方法。

数量化技术发源于20世纪70年代,以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志,此后随着计算机处理能力的提高,越来越多的物理学家和数学家离开学校被华尔街雇佣,基金经理们开始依靠电脑来筛选股票。

1979年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。此后,Vanguard,Federated,Janus,American Century,Alliance Bernstein,Evergreen以及Schwab都开始在运作数量化基金,他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营,后两者是数量化基金管理中最大的两家公司。另外,NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。

根据Bloomberg的数据,截至2008年底,1184只数量化基金管理的总资产高达1848亿美元,相比1988年21只数量化基金管理的80亿美元资产来说,平均增长速度高达20%,而同期非数量化基金的年增长速度仅为8%。

2000年之后是数量化基金发展的黄金时期,无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只,至2002年增长一倍多,达316只,2008年底更是达到1848只,1988年至1998年年平均增长率为46%,2000年至2008年年平均增长幅度达54%。从规模上来看,1988年至1998年年平均增长率为32%,2000年至2008年年平均增长幅度达49%。

其中的原因有二:一是,2000年之后计算机技术飞速发展,为数量化的应用提供了良好的平台;更为主要的是主动管理型基金很难战胜大盘,于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间,相比美国市场主动型管理基金每年5.93%的超额收益,那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95%。另外,有研究表明,2004年至2007年,投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。

模型――量化基金的心脏

数量化基金的兴起,建立在数量化投资技术的发展之上。在20世纪80年代,大量复杂模型得以发展,这包括:混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后,回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。

数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑,这使电脑在海量股票选择中占有绝对优势。例如在嘉信证券的股票评级系统跟踪的股票超过3000只,并且每只股票都综合了基本面、估值、动理和风险因素进行打分,并按分数高低给A至F不同的评级。其次。量化基金是以定量投资为主,用纪律性较强的精细化定量模型,代替了基金经理或分析师在定性层面的主观判断,使投资业绩较少受到个人“熟悉度偏好”的影响。最后,数量化基金收取的费率及管理费用比传统的主动型基金低很多,因为他们需要的研究人员更少,成本更低。据Lipper调查,数量化基金的平均费用是1.32%,相比而言,主动型基金的管理费用平均达到1.46%。

数量化投资理念成就了一大批数量化基金经理,詹姆斯・西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金(Medallion),从1989年到2006年的17年间,平均年收益率达到了38.5%,而股神巴菲特过去20年的平均年回报率为20%。从1988年成立到1999年12月大奖章基金总共获得2478.6%的净回报率,超过第二名索罗斯的量子基金一倍,而同期的标准普尔指数仅有9.6%。即使在次贷危机全面爆发的2007年,该基金的回报率仍高达85%。

然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型,每一类型量化投资与传统投资比较,2005年量化投资基金战胜传统基金,而2006年在增强指数型基金中,量化投资落后于传统型基金,到2007年情况则发生较大转弯,除市场中立基金外,其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后,数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好(value bias),因此,他们在价值型市场下表现良好,而1998-1999年是成长型市场,数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场,数量化投资基金普遍表现优异。

用数学创造财富

国内基金业虽然历史较短,但发展迅速。美国等成熟基金市场的现状,也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种,在未来有望陆续发展壮大,受到越来越多投资者的认可。

目前,国内基金市场上有4只量化基金,光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略,其中后两只均是今年才成立,前两只分别成立于2004年8月和2005年10月。

光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算,个股预期收益率的高低决定投资组合是否持有股票;另一方面,投资团队从风险控制角度,重点关注数据以来的信息,通过行业分析和个股分析形成对量化的补充;最后由投资组合优化器根据预先设计的风险构建组合。

上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择,然后研究团队将对个股进行基本面审核,结合跟踪误差的紧密监控,以求不论指数高低,市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票,量化分析是辅助和基础。

嘉实量化基金“定量投资”为主,辅以“定性投资”。通过行业选择模型,捕捉具有投资吸引力的行业,然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果,对模型自动选股的结果进行复核,剔除掉满足某些特殊条件的股票。

中海量化策略以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选、二级股票库精选,再根据相关模型计算行业配置权重。结合行业配置权重,组合中每只股票的配置比例。

第3篇

尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显著正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。

三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

(四)2013年诺贝尔经济学奖的启示

第4篇

【关键词】 杜邦分析; 有用性; 灰色关联

中图分类号:F832.48 文献标识码:A 文章编号:1004-5937(2014)13-0041-03

一、引言

近几年我国资本市场得到了长远发展,越来越多的家庭和企业参与到资本市场中,截至2014年2月,我国股票市场有效账户数已经达1.33亿。在美国等发达国家,家庭更多的倾向于通过投资基金间接参与股票市场,而在我们国家更多的家庭选择直接参与股票市场。因此股票市场的涨跌影响着众多家庭的财产收益。而在目前股票市场经历几年的低迷,投资价值凸显的背景下,研究股票市场的投资方法显得更具现实意义。

关于股价的分析方法,目前主流的有技术分析法和基本面分析法。技术分析法侧重于股票价格和成交量的研究,凭借历史经验的数据来预测未来的股价运行,分析过程以图表作为分析工具,因此也叫图表分析法。基本面分析法认为,公司的盈利能力越强,给股东的回报越高,相对应的股份价值越大,因此公司的盈利能力决定了公司的股价。该方法侧重于研究公司的财务状况,经营成果和现金流量等财务信息。从国内外的历史经验看,技术分析法适用于短线投机,基本面分析法适用于长线投资。因此基本面分析法显得更为理性,像巴菲特等众多投资大师都通过基本面分析法参与股市投资。本文也立足于基本面分析法,即公司的盈利能力来探究股价的运行规律。

二、理论分析

评价企业盈利能力的综合指标是净资产收益率,该指标利用净利润与所有者权益之比来反映所有者投资的获利能力。而杜邦分析是以净资产收益率为核心反映企业盈利能力的评价系统,是典型的利用财务指标之间的关系对企业盈利能力进行综合分析的方法。

理论上,净资产收益率越高,股份价值越大,该指标与股价成正相关。拆解后的三个指标分别为权益乘数、总资产周转率、销售净利润率,三大指标和净资产收益率都是正相关的关系,因此,它们与股价也成正相关。权益乘数越大,所有者资本占全部资产的比重越小,企业负债的程度越高。只要企业的资产报酬率高于负债利率,企业更多地举债对所有者来说就可以获取更多的利润,从而股份价值增长,股价上升。总资产周转率越高,表明企业的资产周转次数越多或周转天数越少,是企业营运能力增强的体现。该指标的上升往往是营业收入的增长而不是总资产的下降所致,而营业收入的增长会给所有者来带来更多的利润,从而股份价值增长,股价上升。销售净利率高表明销售商品的营业收入扣除所有费用后净利润的提高,往往通过企业商品毛利的提高或者期间费用的有效控制实现,而这也意味着企业所有者获取更多的利润,从而股份价值增长,股价上升。

三、实证分析

通过理论分析股价与益乘数、总资产周转率、销售净利润率成正相关关系。下面进一步看实证的结果。在国内蒋贤品、鲁爱民等从定性的角度加以介绍和分析,直接利用杜邦分析体系和指标来评价和预测公司的价值。朱宏泉、舒兰等(2011)仅用回归的方法分析了盈利指标与企业价值的相关性,并且没有分行业进行研究。因此分行业并且对财务指标投资有用性进行灰色关联分析是本文的创新与研究内容所在。

(一)样本选取

样本选取的时间跨度为2008年至2012年,在这五年中,上证指数经历了以下三个阶段的牛熊市交替:从5 265跌至1 664,从1 664涨至3 478,从3 478跌至1 949。这样可以一定程度上避免市场总体表现对分析的干扰。同时,本文选取沪深两市18家旅游类上市公司作为研究样本。旅游行业属于弱周期行业,选其作为研究对象可以较大程度避免经济周期和经济政策对分析的干扰。本文中上市公司主要财务指标以及股价数据来源于东方财富网和相关上市公司所披露的年度报告。

(二)灰色关联分析

本文以灰关联分析法进行实证研究。灰色系统理论提出了对各子系统进行灰色关联度分析的概念,意图透过一定的方法,去寻求系统中各子系统(或因素)之间的数值关系。灰色关联分析对于一个系统发展变化态势提供量化的度量,非常适合动态过程分析。在我国自邓聚龙于1987年首次提出邓氏关联度后,解决了许多过去难以解决的问题。

当进行灰色关联度计算数列的量纲不同时最好作无量纲化处理,此外还要求数列有公共交点。为解决这两个问题,计算关联系数之前,先将文章先对数列作初值化处理,处理结果如表1所示。

四、结论

作为常用的综合性价值评价工具,杜邦分析通过将资产收益分解为利润率、资产周转率和权益乘数,以反映企业经营业绩的各个不同方面和变化因素,为公司管理者改善经营业绩、投资者更好地判断公司的价值及变化,提供了一种简洁、有效的方法,因而受到人们的广泛关注,并在企业管理中发挥了巨大的作用。本文以A股旅游类上市公司为研究样本,探讨杜邦分析的核心指标和股价的相关性。结果发现:

1.杜邦分析在投资中存在有用性。股价波动与公司的权益乘数,总资产周转率和销售净利率存在相关关系,这也符合资产内在价值评估理论。

2.三大指标中权益乘数和资产周转率的有用性比较强,销售净利率有用性较弱。这说明资本市场能较好地反映公司的风险程度以及盈利能力,但对企业资产运营能力反映较弱。这符合证券投资分析的基本理论,证券投资主要考虑企业的风险和收益,而企业的资产运营能力不是关注重点。

3.杜邦分析中的三大指标能在证券投资中呈现较强的有用性,一定程度说明我国证券市场正趋向成熟并发挥价值发现的职能。作为投资者应当践行价值投资的理念,在充分运用杜邦分析等方法分析企业的财务数据后再进行投资配置。

【参考文献】

[1] 蒋贤品,祝锡萍.杜邦财务分析体系的扩展形式及其应用[J].数量经济技术经济研究,1999,16(5):65-66.

[2] 鲁爱民,陈锦辉.实践中对杜邦财务分析指标体系的修改和运用[J].数量经济技术经济研究,2000,17(7):73-75.

[3] 朱宏泉,舒兰,王鸿,范露萍.杜邦分析与价值判断――基于A股上市公司的实证研究[J].管理评论,2011,23(10):152-160.

[4] 邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987:85-100.

[5] 严若森.公司治理评价及其灰色关联分析[J].技术经济,2009,28(7):114-120.

第5篇

2011年盈利增速:化肥农药、半导体产品、一般化工、有色金属等4个行业分别以138%、98%、97%、95%的预测增长率居前;水运、证券经纪、电力等行业预测增速分别为-123%、-14%、-2%,预计将是2011年增速最低的行业。。

计算机存储和设备、建筑原材料、人寿保险等分别以161%、1111%和96%的行业上涨空间位列前三。啤酒、证券经纪、生物技术等行业下降空间最大,幅度均超过40%。

机构认同度

盈利动能:与一周前盈利预测数据相比,信息技术与服务、航天与国防、休闲用品等行业的盈利增速调高幅度居前,上调幅度分别为6.61%、1.43%和0.79%;半导体产品、轮胎橡胶、综合华工等行业的盈利增速下调幅度较大,调低幅度分别为5.73%、5.56%、4.33%。

分析师评级:从过去3个月的变化趋势看,轮胎橡胶等评级不断上调,百货、啤酒、建筑材料、建筑与农用机械、重型电力设备、特殊化工品、其它石油设备与服务、非金属材料、贵金属、有色金属、银行、出版、水运等则有不断下调趋势。

目标价涨升空间:计算机硬件以57%的目标价涨升空间继续领跑,人寿保险、建筑材料等涨升空间均超过25%。排名相对落后的主要是出版、环保服务、水运、自来水、制铝业和生物技术等,涨升空间均不超过10%。

技术面扫描

白酒、建筑原材料、石油加工和分销连续第二周分享排行榜"三甲",贵金属、煤炭、航天与国防、批发、钢铁、饲养与渔业、多种公用事业排名分列居前十。

本势行业排行榜排名大幅上升的行业包括:保健产品、医疗设备、影视音像、煤气与液化气、计算机存储和设备、林业品、综合性商务服务、饲养与渔业等。

本周建议关注行业和风险提示行业

建议关注:系统软件、信息技术与服务、航天与国防、纺织品、白酒。

提示风险:水运、制铝业、重型电力设备、半导体产品、钢铁。

我们的行业研究逻辑:

从三个方面入手寻找股价的驱动因素:第一、基本面,主要从盈利增长前景和估值角度考量股价,一般来说,估值较低的股票长期里终将回归合理估值水平;第二、机构认同度,机构的买卖无疑是股价变动的直接影响因素之一,受到机构青睐的股票更具价格上涨动力。我们用分析师数据的变化来捕捉机构认同度;第三、技术面,从行业的角度看,行业相对价格强度能够帮助鉴别股票是否处于领导性行业中,相对投资机会常常在上升的行业中,而处于下降行业中的股票则要注意风险。

本文将分别从基本面(业绩增长率、相对市盈率涨升空间)、机构认同度(盈利动能、投资评级、目标价涨升空间)、技术面(强势行业排名)等三个方面、多个角度对行业进行比较,并综合考量各种因素,对行业进行量化排名,最后我们会给出5个建议关注行业和5个风险提示行业,供机构投资者参考。因我们在行业量化排名过程中,以分析师数据为核心,故我们命名该排序方法为“天眼行业专家”。

根据"今日投资"4级行业划分(以摩根斯坦利行业划分标准为基础),目前上市公司共组成107个行业。我们仅选择分析师跟踪公司数量大于等于5个的行业(另外加入了人寿保险行业),共计68个。

基本面扫描

业绩增速有下调趋势

2011年盈利增速:三行业将现负增长

图1列出了各行业的业绩增速(2011年预测值)。其中,化肥农药、半导体产品、一般化工、有色金属等4个行业分别以138%、98%、97%、95%的预测增长率居前(详见图1)。与上期前四名增长率均过百相比,绝对增速有所下降;水运、证券经纪、电力等行业预测增速分别为-123%、-14%、-2%,预计将是2011年增速最低的行业。

相对市盈率涨升空间:啤酒和证券经纪垫底

根据相对市盈率上升空间(历史均值/相对市盈率)和相对业绩增长系数(行业业绩预测增长率/沪深300业绩预测增长率),我们计算出了各行业的股价超额收益上升空间(由于个股数据往往对行业均值数据有较大影响,我们的行业市盈率数据选取的是中值)。图2列出了各行业的股价超额收益上涨空间。计算机存储和设备、建筑原材料、人寿保险等分别以161%、1111%和96%的行业上涨空间位列前三。啤酒、证券经纪、生物技术等行业下降空间最大,幅度均超过40%。

分析师悲观情绪继续上升

盈利动能:盈利下调行业数量增加

第6篇

约翰·聂夫1964年成为温莎基金经理,并一直担任至1995年退休。他将摇摇欲坠、濒临解散的温莎基金经营成当时最大的共同基金。

在聂夫执掌的31年间,温莎基金的总投资回报率为55.46倍,累计平均年复合回报率达13.7%,这个纪录在基金史上尚无人能与其媲美。

在退休前,聂夫还一直兼任威灵顿管理公司的副总裁和经营合伙人。聂夫的成功之道,并不在于使用了高深的投资技巧及数学模型,而是广为人知的低市盈率投资法。

对于A股市场的投资者,聂夫的投资之道完全可以复制,因为低市盈率投资法很容易做到量化选股,而且回溯检验的结果相当不错。

我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验,结果表明聂夫之道在A股市场可以取得44.12%的年化复合收益率,而同期沪深300指数的年化复合收益率只有13.86%,聂夫之道投资法的年化超额收益达到30.26个百分点。

在24个分季度检验区间中,“聂夫之道”跑赢沪深300指数的次数达到16个,占比为66.67%,单季最高超额收益达到56.77个百分点;在8个超额收益为负的检验区间中,单季最高超额负收益只有10.69个百分点。

此外,我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中,排名第一的是华夏大盘精选,有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金,直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到12.49元。

作为比较,“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549. 70%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到16.49元。

也就是说,如果“聂夫之道”是一只基金,那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金;此外,与包括开放式和封闭式在内的全部公募基金相比,“聂夫之道”还有一个非常明显的优点,即投资者可以根据自己的决定在任何期间买入和卖出。

7月31日-8月6日的五个交易日中,根据Wind统计,在其所覆盖的券商研究报告中,对沪深300指数的300家成份股公司,业绩调升24家,调降28家。

过去一个月,沪深300指数成份股业绩调升72家,调降119家。

截至8月6日收盘,沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.31,按照总市值从大到小分为5个区间,同样按照上述方法计算的市盈率平均值分别为6.94、15.63、15.73、16.52、15.01。

相比一周前(7月30日),沪深300指数成份股预测总利润增加0.07%,由20286亿元变为20301亿元;市盈率平均值增加3.19%,由8.05变为8.31。

相比一个月前(7月6日),沪深300指数成份股预测总利润减少0.2%,由20341亿元变为20301亿元;市盈率平均值增加1.95%,由8.15变为8.31。

截至8月6日,过去一周(2013年报告期)每股收益预测上升和下降前10名、过去一周(2013年报告期)评级上升和下降前10名分别如左侧表格所示。

截至8月6日,过去一个月(2013年报告期)每股收益预测上升和下降前10名、过去一个月(2013年报告期)评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分,分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。

创一年新高(新低)股票概况

8.01-8.07期间,共计226只股票创一年新高,创新高个股数量位列前三位的行业(申万一级行业分类)分别是信息服务(35只)、机械设备(34只)、医药生物(28只)。上述股票的加权平均市盈率(2012年年报)为42.92,加权平均市净率(2012年年报)为4.86,期间最高股价的平均值为19.14元。

8.01-8.07期间,只有科恒股份一只个股创一年新低,所属行业为电子。市盈率(2012年年报)为37.84,市净率(2012年年报)为1.74,期间最低股价为15.2元。

本期创新高股票的总市值为17081亿元,创新低股票的总市值为16.12亿元,两者之比为1060:1。

胜券投资分析

第43期回顾

牛股通常具有相似的特征,也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面:

首先,牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式,经过历史回顾检验,牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面,而优异的基本面往往是支撑其股价不断上涨的动力。

其次,发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现,胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。

第三,牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业(002262.SZ)和上海家化(600315.SH)等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高;在年底大盘回暖后再创佳绩。当然,这些股票也不是直线上涨的,在股价攀升的过程中不免有回调,此时正是对投资者心理的考验。胜券投资分析认为,对于基本面和政策面以及大盘都没有发生重大变化的个股发生回调时,投资者可以根据卖出止损策略操作并等待下一个投资时机的到来。

第四,在回暖的行情中不断地创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。

神奇公式的核心是“低价买入优质股票”,所选用的两个指标是投资回报率(ROTC)和收益率(EBIT/EV),其中投资回报率筛选出来的是“好公司”,收益率筛选出来的是“好价格”。

“好公司”主要是对上市公司的相关财务指标进行衡量,即以基本面为导向的分析,所选出的都是一些“质优”的公司,这个指标相对容易确定。

在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。

“好价格”的目标是“低价”股,但什么样的股价水平才算“低”呢?又该如何发现市场上被低估的股票呢?对此,以价值为导向的投资理论认为,低价是相对于企业的内在价值而言,但内在价值的确定又非常繁杂,神奇公式采用的是一种最便捷的方式,即观察股票的价格走势,通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。

在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益、延迟所得税负债等。

神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”,而是寻找能够将上述两个因素进行最佳组合的公司,也就是“综合得分”占优的股票。

第7篇

在聂夫执掌的31年间,温莎基金的总投资回报率为55.46倍,平均年复合回报率达13.7%,这个纪录在基金史上尚无人能与其媲美。

在退休前,聂夫还一直兼任威灵顿管理公司的副总裁和经营合伙人。聂夫的成功之道,并不在于使用了高深的投资技巧及数学模型,而是广为人知的低市盈率投资法。

对于A股市场的投资者,聂夫的投资之道完全可以复制,因为低市盈率投资法很容易做到量化选股,而且回溯检验的结果相当不错。

我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验,结果表明,聂夫之道在A股市场可以取得44.12%的年化复合收益率,而同期沪深300指数的年化复合收益率只有13.86%,聂夫之道投资法的年化超额收益达到30.26个百分点。

在24个分季度检验区间中,“聂夫之道”跑赢沪深300指数的次数达到16个,占比为66.67%,单季最高超额收益达到56.77个百分点;在8个超额收益为负的检验区间中,单季最高超额负收益只有10.69个百分点。

此外,我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中,排名第一的是华夏大盘精选,有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金,直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到12.49元。

作为比较,“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549.70%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到16.49元。

如果“聂夫之道”是一只基金,那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金;此外,与包括开放式和封闭式在内的全部公募基金相比,“聂夫之道”还有一个非常明显的优点,即投资者可以根据自己的决定在任何期间买入和卖出。

7月17日-7月23日的五个交易日中,根据Wind统计,在其所覆盖的券商研究报告中,对沪深300指数的300家成份股公司,业绩调升22家,调降28家。

过去一个月,沪深300指数成份股业绩调升73家,调降120家。

截至7月23日收盘,沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.1,按照总市值从大到小分为5个区间,同样按照上述方法计算的市盈率平均值分别为6.92、14.36、16.5、17.35、18.19。

相比一周前(7月16日),沪深300指数成份股预测总利润减少0.02%,由19630亿元变为19627亿元;市盈率平均值减少1.48%,由8.22变为8.10。

相比一个月前(6月23日),沪深300指数成份股预测总利润减少0.26%,由19678亿元变为19627亿元;市盈率平均值减少1.33%,由8.21变为8.10。

截至7月23日,过去一周(2013年报告期)每股收益预测上升和下降前10名、过去一周(2013年报告期)评级上升和下降前10名分别如左侧表格所示。

截至7月16日,过去一个月(2013年报告期)每股收益预测上升和下降前10名、过去一个月(2013年报告期)评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分,分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。

创一年新高(新低)股票概况

7.18-7.24期间,共计270只股票创一年新高,创新高个股数量位列前三位的行业(申万一级行业分类)分别是信息服务(75只)、机械设备(36只)、医药生物(36只)。上述股票的加权平均市盈率(2012年年报)为59.55,加权平均市净率(2012年年报)为5.36,期间最高股价的平均值为21.61元。

7.18-7.24期间,共计52只股票创一年新低,创新低个股数量位列前三位的行业(申万一级行业分类)分别是采掘(10只)、交通运输(6只)、建筑建材(4只)。上述股票的加权平均市盈率(2012年年报)为13.81,加权平均市净率(2012年年报)为1.44,期间最低股价的平均值为7.71元。

本期创新高股票的总市值为22524亿元,创新低股票的总市值为9540亿元,两者之比为2.36:1。

胜券投资分析

第41期回顾

牛股通常具有相似的特征,也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面:

首先,牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式,经过历史回顾检验,牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面,而优异的基本面往往是支撑其股价不断上涨的动力。

其次,发展前景良好的行业是孕育牛股的温床。关注胜券的投资者可以发现,胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且整体强势的行业。牛股往往是这些行业中表现不俗的股票。

第三,牛股往往在跌跌不止的行情中具有抗跌性。胜券一度强力解读的牛股恩华药业(002262.SZ)和上海家化(600315.SH)等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高;在年底大盘回暖后再创佳绩。当然,这些股票也不是直线上涨的,在股价攀升的过程中不免有回调,此时正是对投资者心理的考验。胜券投资分析认为,对于基本面和政策面以及大盘都没有发生重大变化的个股发生回调时,投资者可以根据卖出止损策略操作并等待下一个投资时机的到来。

第四,在回暖的行情中不断的创出52周新高并伴随明显的放量往往是牛股启动的标志。这里的放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。

神奇公式的核心是“低价买入优质股票”,所选用的两个指标是投资回报率(ROTC)和收益率(EBIT/EV),其中投资回报率筛选出来的是“好公司”,收益率筛选出来的是“好价格”。

“好公司”主要是对上市公司的相关财务指标进行衡量,即以基本面为导向的分析,所选出的都是一些“质优”的公司,这个指标相对容易确定。

在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。

“好价格”的目标是“低价”股,但什么样的股价水平才算“低”呢?又该如何发现市场上被低估的股票呢?对此,以价值为导向的投资理论认为,低价是相对于企业的内在价值而言,但内在价值的确定又非常繁杂,神奇公式采用的是一种最便捷的方式,即观察股票的价格走势,通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。

在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。

神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”,而是寻找能够将上述两个因素进行最佳组合的公司,也就是“综合得分”占优的股票。

第8篇

随着资产管理学科的不断更新和发展,数量化资产管理的策略如今被广泛的运用,越来越多的基金管理人采用了这一成本较低、客观性较强的策略进行资产选择和配置。同时,都在很大程度上推进了数量化选股的进程。国际上一些著名的资产管理机构,如巴克莱(Barclays Global Investors),,都有各自的数量化模型并且也发行了许多相关的金融投资商品。

二、数量化选股

目前世界上有很多基金经理人开始采用数量化选股模型进行投资决策。数量化选股,是指利用市场指标、经营指标、财务指标等可以数量化的因素,在众多上市公司中选出符合条件的公司股票进行投资。数量化选股的模型主要有线性回归模型、主成分分析模型等。国内外很多学者都运用了这些模型进行实证分析。如Fama-French(1993) 的三因子模型认为,资产组合的超额回报率由上市公司的市值因子(SMB)、账面市值比因子(HML)以及市场资产组合(Rm ? Rf)决定。数量化选股的优势在于,利用客观数据进行分析做出判断,避免了因基金经理人的主观判断错误而可能造成的偏误,一旦模型构建完毕,需要维护和修改所需要的人力物力远小于传统的基本面分析,对于基金公司而言,可有效节省成本,增加公司利润。

三、选股策略:以Alpha model为例

1.介绍

Alpha选股模型是一种将信息转变成Alpha分数的方法,据此经理人能够判断投资于哪些资产以及该如何配置投资组合。本文所说的Alpha选股策略是采用 Qian (2004)的方法,利用两阶段的方法结合多个因子产生Alpha分数,建构多因子模型不仅包含讯息相关系数(Information Coefficient, IC)的时间序列,也包括同时期因子讯号之间的相关性,透过模型求解极大化IR的目标。

2.要素筛选及数据处理

对于基金管理而言,信息运用的成功与否往往是决定成败的重要因素。在alpha 模型中,所选的要素可以被看做信息,它们可以帮助基金管理人分析股票报酬的预期走势,从而利用这些信息构建多因子选股模型。然后,如何选择正确的信息并非易事,因此,信息的分析和评估对于模型的简历有着至关重要的作用。

模型将整个数据的区间分为样本区间和回测区间,通过数据库获取整个区间内各个上市公司的财务、发展等各项指标,并进行数据预处理。为了消除各要素不同量纲的差异,将所有数据先进行标准化处理。此外,在数据分析时,个别极端值对于结果可能会产生较大影响,而极端值的产生往往没有规律可循,据此得出的结论不具有普遍的适用性。Shyu and Jeng (2006)使用了winsorization进行处理,针对每一项要素,计算得出各自的平均值和标准差。将平均值加减5.2倍的标准差作为各项要素的上下极限,如果数据大于上极限或小与下极限,则认为这是一个极端值,而分别使用上极限或下极限的值代替极端值。类似的方法还可以将数据按数值大小排列,取上下5%分点,分别代替大于上5%以及小于下5%分点的值。此类方法的目的都在于消除极端值的影响,使得模型的解释力更强,偏误更小。

由于要素的数据频率不同,将要素分成若干个周要素与月要素。除此之外,要素筛选后于比较长期的样本内期间,针对这些要素做t检验,若要素结果呈现显著,称为核心要素。剩下未被筛选的要素并不表示无效,在回测的样本外期间有效的要素,为卫星要素。再通过两阶段方法,将要素合成因子,因子再合成Alpha Score。最后,将周、月要素合并,并且做平滑化动作,以降低每期权重重新调整的周转率。

3.选股及资产组合构建

首先确立股池,剔除流通量过低、企业信用等级较低的股票,还可结合产业等因素,根据需要构建的资产组合确定。根据最后的Alpha Score进行选股的动作。模型认为得分较高的个股具有较高的投资价值,根据股池大小选择相应数目的个股进入资产组合中。各股权重的配置有多种方案,比较简单的方法是将入选组合的股票平均分配权重,这样的方法可有效分散风险,但是不利于获得更高的超额回报。另一种方法是根据得分分配权重,得分越高的股票权重越高,在模型建立准确,预测能力较好的情况下,往往可以获得更高的超额报酬。

四、实证分析与结论

很多学者已对量化选股这一策略进行过实证分析。袁捷(2008)以沪深A股为研究对象,形成了市场大势判断指标、板块热点评判指标、技术分析评判指标、基本分析评判指标和主力机构支撑评判指标等五个指标体系的评判分析工具,得出了一套可以量化的投资评判标准。通过实证分析该交易规则在2008年7月至11月期间规避了熊市的系统性风险,建立的投资组合绩效优于上证指数,对于投资者有一定的参考价值。随着越来越多模型的出现和不断完善以及计算机算法技术的日益精进,这一理论体系也将会得到更多的补充和发展。

参考文献:

[1]Fama, Eugene F. and French.Kenneth R. Common Risk Factors in The Returns to Stocks and Bonds, [J].1993(02).

[2] Qian, E. E. and Hua.R.Active risk and information ratio,[ J]. 2004.

第9篇

约翰·聂夫1964年成为温莎基金经理,并一直担任至1995年退休。在此期间,他将摇摇欲坠、濒临解散的温莎基金经营成当时最大的共同基金。

在聂夫执掌的31年间,温莎基金的总投资回报率为55.46倍,累计平均年复合回报率达13.7%,这个纪录在基金史上尚无人能与其媲美。

聂夫的成功之道,并不在于使用了高深的投资技巧及数学模型,而是广为人知的低市盈率投资法。

对于A股市场的投资者,聂夫之道完全可以复制,因为低市盈率投资法很容易做到量化选股,而且回溯检验的结果相当不错。

我们运用修正过的聂夫选股方法对2005年5月初至2012年12月底的A股市场进行了回溯检验,结果表明聂夫之道在A股市场可以取得44.12%的年化复合收益率,而同期沪深300指数的年化复合收益率只有13.86%,聂夫之道投资法的年化超额收益达到30.26个百分点。

在24个分季度检验区间中,“聂夫之道”跑赢沪深300指数的次数达到16个,占比为66.67%,单季最高超额收益达到56.77个百分点;在8个超额收益为负的检验区间中,单季最高超额负收益只有10.69个百分点。

此外,我们还将“聂夫之道”与公募基金进行了对比。在全部公募基金中,排名第一的是华夏大盘精选,有“公募一哥”之称的王亚伟从2005年5月开始执掌该基金,直至其于2012年5月离开华夏基金。该基金在2005年5月初至2012年12月底的期间收益率达到1149.07%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到12.49元。

作为比较,“聂夫之道” 在2005年5月初至2012年12月底的期间收益率达到1549.70%,即2005年5月初买入价值1元的大盘精选基金,在2012年12月底基金净值将达到16.49元。

也就是说,如果“聂夫之道”是一只基金,那么其收益率战胜了以王亚伟所领衔“华夏大盘精选”为代表的全部公募基金;此外,与包括开放式和封闭式在内的全部公募基金相比,“聂夫之道”还有一个非常明显的优点,即投资者可以根据自己的决定在任何期间买入和卖出。如果希望了解“聂夫之道”的更多详细信息,请关注本刊相关的电子产品:.cn。

10月23日-10月29日的五个交易日中,根据Wind统计,在其所覆盖的券商研究报告中,对沪深300指数的300家成份股公司,业绩调升67家,调降90家。

过去一个月,沪深300指数成份股业绩调升83家,调降145家。

截至10月29日收盘,沪深300指数成份股按总市值除以预测总利润计算的2013年PE平均值为8.5,按照总市值从大到小分为5个区间,同样按照上述方法计算的市盈率平均值分别为7.16、14.84、18.61、23.07、26.48。

相比一周前(10月22日),沪深300指数成份股预测总利润减少0.18%,由19260亿元变为19225亿元;市盈率平均值减少2.17%,由8.69变为8.5。

相比一个月前(9月29日),沪深300指数成份股预测总利润减少0.39%,由19300亿元变为19225亿元;市盈率平均值减少0.34%,由8.53变为8.5。

截至10月29日,过去一周(2013年报告期)每股收益预测上升和下降前10名、过去一周(2013年报告期)评级上升和下降前10名分别如左侧表格所示。

截至10月29日,过去一个月(2013年报告期)每股收益预测上升和下降前10名、过去一个月(2013年报告期)评级上升和下降前10名分别如右侧表格所示。 Wind评级的1分至5分,分别对应“买入”、“增持”、“持有”、“中性”、“卖出”。

创一年新高(新低)股票概况

10.24-10.30日期间,共计113只股票创一年新高,创新高个股数量位列前三位的行业(申万一级行业分类)分别是机械设备(34只)、医药生物(12只)和家用电器(10只)。上述股票的加权平均市盈率(2012年年报)为20.39,加权平均市净率(2012年年报)为2.67,期间最高股价的平均值为15.97元。

10.24-10.30日期间,共计36只股票创一年新低,创新低个股数量位列前三位的行业(申万一级行业分类)为食品饮料(13只)、有色金属(3只)、医药生物(3只)、建筑建材(3只)、化工(2只)和房地产(2只)。上述股票的加权平均市盈率(2012年年报)为11.34,加权平均市净率(2012年年报)为2.78,期间最低股价的平均值为16.72元。

本期创新高股票的总市值为7550亿元,创新低股票的总市值为5899亿元,两者之比为1.28:1。

胜券投资分析

第54期回顾

胜券投资工具,根据中国股市的具体特点,将CANSILM交易系统进行了优化和调整,使其更符合中国股市的特点,并能满足中国投资者的需要。

牛股通常具有相似的特征,也就是我们这里说的“牛股基因”。胜券投资分析揭秘的牛股基因通常体现在以下四个方面:

首先,牛股表现出良好的成长性。胜券投资分析通过个股的净利润评分、价格相对强弱评分以及两者相结合的综合评分为广大投资者提供了一种快餐化的基本面选股方式,经过历史回顾检验,牛股往往是综合评分超过80分的股票。只有这些股票有着表现优异的基本面,而优异的基本面往往是支撑其股价不断上涨的动力。

其次,发展前景良好的行业是孕育牛股的温床。投资者可以发现,胜券投资分析近期重点分析的股票往往集中于医药生物、信息服务等胜券行业排名靠前且强势的行业。牛股往往是这些行业中表现不俗的股票。

第三,牛股往往在下跌行情中具有抗跌性。胜券一度强力解读的牛股恩华药业(002262.SZ)和上海家化(600315.SH)等在2012年大盘的颓势中股价逆市上扬并不断创出52周新高;在年底大盘回暖后再创佳绩。

第四,在回暖的行情中不断的创出52周新高并伴随明显的放量往往是牛股启动的标志。放量至少是当天的成交量相比于50日平均移动成交量上涨40%-50%以上。

神奇公式的核心是“低价买入优质股票”,所选用的两个指标是投资回报率(ROTC)和收益率(EBIT/EV),其中投资回报率筛选出来的是“好公司”,收益率筛选出来的是“好价格”。

“好公司”主要是对上市公司的相关财务指标进行衡量,即以基本面为导向的分析,所选出的都是一些“质优”的公司,这个指标相对容易确定。

在计算“好公司”得分时涉及的财务指标主要包括营业收入、营业成本、流动资产合计、流动负债合计、短期借款、投资性房地产等。

“好价格”的目标是“低价”股,但什么样的股价水平才算“低”呢,又该如何发现市场上被低估的股票呢?对此,以价值为导向的投资理论认为,低价是相对于企业的内在价值而言,但内在价值的确定又非常繁杂,神奇公式采用的是一种最便捷的方式,即观察股票的价格走势,通过股票的价格涨跌及市值变化筛选出符合条件的“质优低价”股。

在计算“好价格”得分时涉及的财务指标主要包括营业收入、营业成本、短期借款、应付票据、长期借款、少数股东权益等。

神奇公式的目标并不是单纯的寻找“好公司”或者“好价格”,而是寻找能够将上述两个因素进行最佳组合的公司,也就是“综合得分”占优的股票。

第10篇

揭开定量投资神秘面纱

与定性投资不同,定量投资更多关注“数字”背后的意义,依靠计算机的帮助,分析数据中的统计特征,以寻找股票运行模式,进而挖掘出内在价值。

李延刚总结了定量投资的三大优势:首先是理性。定量投资是对于基于基本面定性投资方法和工具的数量化统计性总结,它在吸收了针对某种投资风格和理念的成功经验的基础上,以先进的数学统计技术替代人为的主观判断,并能够客观理性地坚持,以避免投资的盲目性和偶然性。“完全的数量化分析过程将极大地减少投资者情绪的影响,避免在市场极度狂热或悲观的情况下做出非理性的投资决策,因而在牛熊市的转换中具有很强的自我调节性。”

其次,全市场覆盖。定量投资可以利用数量化模型对垒市场的投资标的进行快速高效的扫捕筛选,把握市场每一个可能的投资机会,而定性投资受人力精力的限制,显然无法顾及如此广的覆盖面。

此外,数量化投资更注重组合控制和风险管理。数量化的个股选择和组合构造过程。实质上就是在严格的约束条件下进行投资组合的过程,先从预先设定的绩效目标的角度来定义投资组合,然后通过设置各种指标参数来筛选股票,对组合实现优化,以保证在有效控制风险水平的条件下实现期望收益。“换言之,数量化投资模型能够很好地体现组合收益与基准风险的匹配和一致,”李延刚解释。

定量投资是否适应中国市场

“谈到定量投资,不得不提量化投资领域中的传奇人物――詹姆斯・西蒙斯。”李延刚并不掩饰其对这位投资大师的崇敬,“他不仅是世界级的数学家,也是最伟大的对冲基金经理之一。他创办的文艺复兴科技公司花费15年时间,研发基于量化数学模型的计算机模型,借助该模型,两蒙斯所管理的大奖章基金,从1989年到2006年的平均年收益率达到了38.5%,甚至超过股神巴非特。”

值得一提的是,李延刚也来自数量化投资的发源地――北美,他有着6年海外一线投资管理的实际工作经验,深刻领会并掌握了量化投资理念与方法,具备数量化投资领域的成功经验。2007年,李延刚回国后加盟中海基余,着手增强中海基金金融工程团队的寅力。在借鉴国外成熟的投资理念与经验的基础上,结合A股实际,他用了近两年时间对数量化模型进行反复修改与调试。目前,中海基金的金融工程部已经形成从择时、配置到选股等方面的一系列研究成果,并在今年顺势推出中海量化策略基金。

詹姆斯・西蒙斯的神话在中国证券市场能否再次实现?“当其他人都摆西瓜摊的时候,我们摆了一个苹果摊。”李延刚用一个形象的比喻来形容定量投资存国内市场的发展机遇。他认为,目前国内证券市场定性投资者太多,竞争激烈,而数量化投资者则太少,机会相对更多,竞争也很小。李延刚表示,大量实征研究证明,中国证券市场为一个弱有效市场,市场上被错误定价的股票相对较多,留给定量投资发掘市场非有效性的空间也就越大。基于这种考虑,定量投资方法在中国的发展极具发展空间。

“今年推出量化基金并非一时的心血来潮,一方面中海基金金融工程部已经逐渐成熟,而另一方面也是出于市场时机的考虑。”李延刚强调。

他认为,在经历2008年的巨幅下跌后,市场底部已经基本确立,目前小盘股估值相对较贵,短期内市场可能会以调整为主,但未来市场走势仍然存在诸多不确定。在此背景下,如何把握结构性机会将是未来投资关键之所在,利用数量模型进行分析和投资的量化基金具备更好的适应性。中海量化策略基金将把握市场调整时机,采用数量化模型选人具有估值优势和成长优势的大中盘股票作为基石,辅之以部分优质的小盘股票。

“量体裁衣”完善全程量化流程

据了解,中海量化策略基金的全程量化流程分三个步骤,即选股策略自下而上,施行一级股票库初选、二级股票库精选以及投资组合行业权重配置的全程数量化。

“就像裁缝做衣服一样,量化基金在投资中也要通过‘量体裁衣’来完善全程量化流程。通过全程量化与基金经理的思想相配合,才能做出优质的量化基金。”李延刚表示。

首先,选取代表性最强的反映公司盈利能力的指标,对于所有的A股上市公司进行筛选从而得到一级股票库。“主要通过对所有A股股票过去三年平均EPS(每股收益)、ROE(净资产收益率)、毛利率三项指标进行筛选,它们能分别较好的反映上市公司的获利能力,从而得到一级股票库。”李延刚说。

其次,通过盈利性指标、估值指标、一致预期指标,熵值法确定指标权重后,对一级库股票进行打分排名,从而筛选出二级股票库。其中,一致预期指标则是通过各券商分析师的调查后,得出上市公司盈利预期数据平均值,以此权威性地反映市场对公司未来盈利的预期水平。“中海量化基金引入一致预期作为选股指标,可以全面、权威的反应市场对上市公司未来盈利的预期水平,为投资决策提供更为真实和前瞻性的依据。与此同时,还可以根据预期的变化及时动态调节,更加适应股市的震荡波动。”李延刚强调。

第11篇

[关键词]财务风险 第三方物流企业 预警系统

一、引言

随着世界经济一体化,国际第三方物流公司纷纷进驻中国,导致第三方物流企业竞争环境日益复杂。第三方物流企业财务风险预警体系是以物流企业财务管理和会计核算所提供的相关的生产经营数据成果为依据,通过分析和处理第三方物流企业财务风险预警相关指标,有效规制第三方物流企业财务运营状态,并可在财务状况异常时及时发出财务风险预警信号,警示企业决策者及时处理潜在的或已爆发的各式财务危机。

二、第三方物流企业财务风险因子分析

第三方物流企业财务风险根植于两方面因素:其一是由宏观政治、经济、文化、军事环境所塑造的企业先天性竞争环境,该环境为企业运营决策的基本前提,因而具有风险的必然性和不可规避性。其二是由其外包业务属性所引致的信息开放性所带来的内生性风险,该环境取决于企业经营管理水平和风险控制能力,因而具有有限风险可控性。

(1)第三方物流企业财务的外生性风险

第三方物流企业财务的外生性风险是指企业受政治、经济、文化、军事等决定整个市场环境特征的宏观因素的影响,造成第三方物流企业财务安全的不确定性。具体而言,可将第三方物流企业财务的外生性风险分为如下子系统:

第一,政治与法律风险。政治与法律是规范一国市场提供的基本制度环境,政治与法律风险是指由立法机关的物流相关的法律法规和行政机关制定的规章制度及其执行过程对第三方物流企业财务安全造成的不确定性水平。物流行业具有战略性特征,因而是世界各国乃至一国内部各行政区严加管制的行业。

第二,宏观经济风险。宏观经济对物流产业的脉冲式冲击的机制是,首先第一产业规模出现胀缩,由此影响产品价格及物流价格,随后通过市场价格机制传导至第二产业,并影响其价格及其伴生性物流之价格,如此循环往复,导致物流行业价格的随机化波动。再者,物流行业对宏观经济的敏感性较强,物流企业的荣枯周期先行于世界经济周期,因此常被视为宏观经济的晴雨表。

第三,金融市场风险。第三方物流企业有资产型企业与非资产型企业两类之分。随着物流装备技术的机械化与智能化水平提升,资产型第三方物流企业装备投资的资本来源日益依赖金融市场融资。再者,第三方物流为提升企业核心竞争力,开始逐步向物流金融领域渗透以开辟诸如仓单质押等新的物流业务,推动物流服务的价值增进以谋求更高企业利润。因此,第三方物流企业的财务稳健水平取决于金融市场是否能提供稳健的融资平台及适合企业特质的有效物流金融工具。

(2)第三方物流企业财务的内生性风险

第三方物流企业财务的内生性风险是指第三方物流企业受经营管理、财务状况、市场销售、重大投资融资等内生性因素的影响,导致第三方物流企业财务安全的不确定性。具体而言,可将第三方物流企业财务的内生性风险分解如下:

1.第三方物流企业投资风险

物流企业的投资风险主要包括如下内容:其一,投资可行性研究中未做好投资风险评估,使得企业不能准确把握投资风险敞口规模,影响其有效调动企业各项资源以应对风险的能力。其二,投资决策失误。投资决策失败的常见原因是,投资决策中未能充分考虑政治因素、人际关系因素等不可量化因素的影响。其三,投资预算方案存在失误。物流企业投资环节的成败关系着企业的存亡,企业决策者在决策前要慎重考量。

2.第三方物流企业筹资风险

物流企业筹资风险是指企业因融资活动给财务成果造成的不确定性影响。物流企业筹资活动的目的是扩大业务规模,提升技术水平,增加企业经济效益。因上述目标而产生的筹资活动的前提是宏观经济基本面向好。但鉴于宏观经济的难预测性,宏观基本面突然恶化导致物流企业陷入困境乃至破产的案例仍是大概率事件。未来市场的不确定性会导致企业未来收益的不确定性。一旦物流企业对市场基本面的判断失误,将会增加企业陷入短期债务挤兑所导致的资金链断裂风险。其二,物流企业具有投资周期长与回收投资慢的特点,一旦投资期内的市场剧烈变动,必然打破物流企业投资预案的计划,威胁企业筹资活动的财务安全。其三,物流企业财务成果对物流市场变动的敏感度高,若企业的长期资本与短期资本配置不当,一旦企业陷入短期市场利坏的冲击,将会导致短期收益收窄,短期债务危机凸显。其后果轻则被打乱常规融资计划,被迫担负高利率债务,显著增加企业利息费用,提升企业财务风险;重则导致资金链断裂,迫使该物流企业破产。

3.第三方物流企业资金运用风险

第三方物流企业资金运用风险主要集中于如下方面:第一,合理的流动资金留存率及利用方法是物流企业正常运作的基础,企业的货币资金管理不善可以引发物流企业其他资源配置问题。第三方物流企业财务稽核应当关注对货币资金使用权的管理,特别是通过按金额划分货币资金的使用权限,并实行差别等级制管理,实现第三方物流企业至上而下的对企业货币资金的实时监控管理。第二,应收账款管理不善将使得第三方物流企业的坏账增加,降低企业盈利水平。应收账款中蕴含的财务风险包括时间风险和数额风险两方面。其一,应收账款被客户长期拖欠将引发应收账款的时间风险。其二,应收账款最终证实无法收回时,将确认为应收账款的数额风险。

三、第三方物流企业财务风险预警系统的构建

(1)第三方物流财务风险预警系统的分析方法

第三方物流财务风险预警系统分析方法可采用定性分析法或定量分析法。定性与定量方法的有机结合有助于提升财务风险预警的信度与效度。

第三方物流财务风险预警的定量分析法是指基于财务风险影响引致建立财务风险预警模型,测度出财务风险预警阈值并给出预警量化信号,用以支持财务风险预警决策。虽然当前学界热衷于研究财务风险预警的定量模型,但仍无法掩盖定量模型的若干不足:其一,单个定量指标有助于通过统计出异常值的方式凸显当前应当关注的问题,其结果不能直接表明风险水平高低。例如特定第三方物流企业的应收账款比率高低并不能说明任何问题,过高的应收账款比率可能是企业开展客户融资业务的结果。其二,高精度模型固然预测更为精准,但由于模型适用条件过于苛刻,抑或模型计量过程过于复杂,例如遗传算法等,因此影响其普适性。其三,模型诸多参数设定都需要主观决策来给定,因此对多重参数的人工干预会指数级放大模型预测偏差,导致预警失误。

第三方物流财务风险预警的定性分析法是指主要依靠预测人员的丰富实践经验、较强分析能力和判断力来推演出财务风险的性质及其发展趋势的一种分析方法。定性分析法本质上是一种带有强烈主观色彩的价值判断,一般适用于不完备数据分析或历史资料分析。第三方物流企业通过调查获取影响财务风险的原始资料,结合财务风险各项诱因展开分析,给出关于物流企业财务风险水平的定性结论。

(2)第三方物流财务风险预警系统的对策

物流企业所面临的风险大小、风险来源、风险危害各有不同,因此应当将风险划分等级类型,并制定预案以分别应对。具体策略如下:其一,将第三方物流财务风险分级。财务风险水平可分为五级预警,由高到低分别对应正常、一般、较重、严重和重大等五级财务危机预警。各级风险水平的确定可依据定量分析的方法;也可以以定量分析为基础,结合专家决策方法来确定风险级别。各级风险的差异不仅要有数量描述,还应当由清晰的可识别的定性描述,例如重大财务风险可以定性描述为可导致该物流企业破产倒闭的风险。其二,制定与风险等级匹配的财务风险应对预案。财务风险对策需要预先拟定,且与相应的财务风险预警等级相匹配。各级风险应对预案应当在处理完一轮财务危机后,根据危机相关数据提供的新信息对财务风险应对预案作出动态调整,以确保风险预警系统的灵敏性与稳健性。其三,根据决策者对待风险的态度给出分类财务风险预警决策方案。不同物流企业的运营风格有显著差异,并导致企业风险管理方法的差异性。

参考文献:

[1]薛友丽, 张梦, 张轶. 基于决算数据的高等学校财务风险预警[J]. 教育财会研究, 2012, (1): 51—55.

第12篇

 2011年盈利增速:饲养与渔业、化肥农药、信息技术与服务等3个行业分别以114%、105%、91%的预测增长率居前;水运、证券经纪、电力、人寿保险、重型电力设备等行业预测增速分别为-155%、-26%、-6.23%、-4.09%和-3.93%,预计将是2011年增速最低的行业。

 相对市盈率涨升空间:计算机存储和设备、建筑原材料、人寿保险等分别以140%、96%和87%的行业上涨空间继续位列前三。啤酒、生物技术、水运、证券经纪等行业下降空间最大,幅度均超过40%。

 机构认同度

 盈利动能:与一周前盈利预测数据相比,农产品、航天与国防、家用器具等行业的盈利增速调高幅度居前,上调幅度分别为2.76%、1.42%和1.25%;与一月前盈利预测数据相比,饲养与渔业、农产品、航天与国防、信息技术与服务等行业的盈利增速调高幅度继续居前,上调幅度分别为11.05%、4.09%、4.07%和3.93%。

 分析师评级:系统软件、计算机硬件、白酒、计算机存储和设备、服装和饰物等行业最受分析师青睐,而水运、公路运输、制铝业、高速公路与隧道、电力、生物技术等则分析师认同度相对较。

 目标价涨升空间:计算机及电子产品专卖店、工业品贸易与销售、建筑与农用机械、林业品、建筑工程、建筑原材料等涨升空间均超过32%。排名相对落后的主要是出版、环保服务、高速公路与隧道、制铝业和水运等,涨升空间均不超过12%。

 技术面扫描

 白酒、建筑原材料、石油加工和分销连续第二周分享排行榜"三甲",贵金属、煤炭、航天与国防、批发、钢铁、饲养与渔业、多种公用事业排名分列居前十。

 本周建议关注行业和风险提示行业

 建议关注:饲养与渔业、信息技术与服务、白酒、百货、广播和有线电视。

 提示风险:水运、高速公路与隧道、电力、钢铁、金属和玻璃容器。

我们的行业研究逻辑:

从三个方面入手寻找股价的驱动因素:第一、基本面,主要从盈利增长前景和估值角度考量股价,一般来说,估值较低的股票长期里终将回归合理估值水平;第二、机构认同度,机构的买卖无疑是股价变动的直接影响因素之一,受到机构青睐的股票更具价格上涨动力。我们用分析师数据的变化来捕捉机构认同度;第三、技术面,从行业的角度看,行业相对价格强度能够帮助鉴别股票是否处于领导性行业中,相对投资机会常常在上升的行业中,而处于下降行业中的股票则要注意风险。

本文将分别从基本面(业绩增长率、相对市盈率涨升空间)、机构认同度(盈利动能、投资评级、目标价涨升空间)、技术面(强势行业排名)等三个方面、多个角度对行业进行比较,并综合考量各种因素,对行业进行量化排名,最后我们会给出5个建议关注行业和5个风险提示行业,供机构投资者参考。因我们在行业量化排名过程中,以分析师数据为核心,故我们命名该排序方法为“天眼行业专家”。

根据"今日投资"4级行业划分(以摩根斯坦利行业划分标准为基础),目前上市公司共组成107个行业。我们仅选择分析师跟踪公司数量大于等于5个的行业(另外加入了人寿保险行业),共计68个。

基本面扫描

饲养与渔业2011年增长最快

2011年盈利增速:信息技术与服务进入前三

图1列出了各行业的业绩增速(2011年预测值)。其中,饲养与渔业、化肥农药、信息技术与服务等3个行业分别以114%、105%、91%的预测增长率居前;水运、证券经纪、电力、人寿保险、重型电力设备等行业预测增速分别为-155%、-26%、-6.23%、-4.09%和-3.93%,预计将是2011年增速最低的行业。

相对市盈率涨升空间:4行业下跌空间超过40%

根据相对市盈率上升空间(历史均值/相对市盈率)和相对业绩增长系数(行业业绩预测增长率/沪深300业绩预测增长率),我们计算出了各行业的股价超额收益上升空间(由于个股数据往往对行业均值数据有较大影响,我们的行业市盈率数据选取的是中值)。图2列出了各行业的股价超额收益上涨空间。计算机存储和设备、建筑原材料、人寿保险等分别以140%、96%和87%的行业上涨空间继续位列前三。啤酒、生物技术、水运、证券经纪等行业下降空间最大,幅度均超过40%。

机构认同度扫描

分析师情绪低迷

盈利动能:盈利预测调低比例上升

图3、图4分别列出了行业业绩增速(2011年预测值)周调整幅度。与一周前盈利预测数据相比,农产品、航天与国防、家用器具等行业的盈利增速调高幅度居前,上调幅度分别为2.76%、1.42%和1.25%;半导体产品、纸制品、高速公路与隧道等行业的盈利增速下调幅度较大,调低幅度分别为2.08%、2.00%、1.93%。

与一月前盈利预测数据相比,饲养与渔业、农产品、航天与国防、信息技术与服务等行业的盈利增速调高幅度继续居前,上调幅度分别为11.05%、4.09%、4.07%和3.93%;水运、金属和玻璃容器、钢铁、证券经纪等行业的盈利增速下调幅度较大,调低幅度均超过5%。从月度数据看,盈利预测调低行业比例继续上升。

分析师评级:不断调低数量居多

分析师对个股的评级明显是买入多于卖出,因此按照个股评级系数平均折算的行业评级系数大部分都小于2.00(对于单个投资评级,强力买入为1.00,买入为2.00)。从投资评级系数来看,系统软件、计算机硬件、白酒、计算机存储和设备、服装和饰物等行业最受分析师青睐(详见图5),而水运、公路运输、制铝业、高速公路与隧道、电力、生物技术等则分析师认同度相对较低。

从过去3个月的变化趋势看,饲养与渔业、纸制品、银行等评级不断上调(评级系数降低),建筑与农用机械、工业品贸易与销售、建筑材料、有色金属、出版、制铝业等则有不断下调趋势。

目标价涨升空间:计算机类行业继续领先

对于单个股票,分析师往往在给出投资评级的同时也会提供未来12个月的目标价,根据目标价和股票当前价格的距离,我们可以计算股票的目标价涨升空间。将一个行业中单个股票的目标价涨升空间加权平均,我们即得到了行业目标价涨升空间。计算机及电子产品专卖店、工业品贸易与销售、建筑与农用机械、林业品、建筑工程、建筑原材料等涨升空间均超过32%。排名相对落后的主要是出版、环保服务、高速公路与隧道、制铝业和水运等,涨升空间均不超过12%。

市场面扫描

白酒蝉联冠军宝座

纵观本期“今日投资”强势行业排行榜,白酒、贵金属、石油加工和分销位居排行榜“三甲”,表明其个股近期在二级市场表现持续处于相对强势。此外,建筑原材料、煤炭、其他专卖店、家具及装饰、系统软件、服装和饰物、保健产品排名分列居前十。其中,家具及装饰、服装和饰物、保健产品本期排名分别为第7名、第9名、第10名,是跻身前十名的新晋者。

排名落后的行业有铁路运输、葡萄酒、机场服务、铁路运输、葡萄酒、机场服务、铁路运输、葡萄酒、机场服务等。

本势行业排行榜排名大幅上升的前十大行业包括:保健产品、医疗设备、影视音像、煤气与液化气、计算机存储和设备、林业品、综合性商务服务、饲养与渔业、综合性工业、其他专卖店等。

本势行业排行榜排名大幅下降的前十大行业包括:铁路运输、葡萄酒、机场服务、航空货运与快递、百货、水运、汽车零配件、汽车制造、纸制品、制铝业等。

“今日投资”强势行业排行榜近六个月来排名持续上涨的行业包括:石油加工和分销、批发、计算机存储和设备、休闲用品等,排名分别提升了56位、62位、42位、19位。

近六个月来排名持续下跌的行业包括:建筑与农用机械、工业设备、汽车零配件、重型电力设备等,排名分别下降了23位、50位、65位、72位。

表1:强势行业排行榜